χ 2 = με β.ε =1 και a=0.05 το κρίσιμο χ 2 =3.841

Σχετικά έγγραφα
συγκέντρωση της ουσίας στον παραπόταμο είναι αυξημένη σε σχέση με τον ίδιο τον ποταμό;

Οι παρατηρήσεις του δείγματος, μεγέθους n = 40, δίνονται ομαδοποιημένες κατά συνέπεια ο δειγματικός μέσος υπολογίζεται από τον τύπο:

Κεφάλαιο 9. Έλεγχοι υποθέσεων

Κεφάλαιο 9. Έλεγχοι υποθέσεων

Εργαστήριο Μαθηματικών & Στατιστικής 2η Πρόοδος στο Μάθημα Στατιστική 28/01/2011 (Για τα Τμήματα Ε.Τ.Τ. και Γ.Β.) 1ο Θέμα [40] α) στ) 2ο Θέμα [40]

Γραπτή Εξέταση Περιόδου Φεβρουαρίου 2011 για τα Τμήματα Ε.Τ.Τ. και Γ.Β. στη Στατιστική 25/02/2011

Για το δείγμα από την παραγωγή της εταιρείας τροφίμων δίνεται επίσης ότι, = 1.3 και για το δείγμα από το συνεταιρισμό ότι, x

Δειγματοληψία. Πρέπει να γνωρίζουμε πως πήραμε το δείγμα Το πλήθος n ij των παρατηρήσεων σε κάθε κελί είναι τ.μ. με μ ij συμβολίζουμε την μέση τιμή:

Δειγματοληψία. Πρέπει να γνωρίζουμε πως πήραμε το δείγμα Το πλήθος n ij των παρατηρήσεων σε κάθε κελί είναι τ.μ. με μ ij συμβολίζουμε την μέση τιμή:

Εισαγωγή στην Ανάλυση Δεδομένων

Έλεγχος υποθέσεων και διαστήματα εμπιστοσύνης

Έλεγχος υπόθεσης: διαδικασία αποδοχής ή απόρριψης της υπόθεσης

ΕΛΕΓΧΟΣ ΣΤΑΤΙΣΤΙΚΩΝ ΥΠΟΘΕΣΕΩΝ. Επαγωγική στατιστική (Στατιστική Συμπερασματολογία) Εκτιμητική Έλεγχος Στατιστικών Υποθέσεων

5. Έλεγχοι Υποθέσεων

ΠΕΡΙΓΡΑΦΗ ΚΑΙ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ

Γ. Πειραματισμός - Βιομετρία

Επαναληπτικές Ασκήσεις 26/5/2017

Επανάληψη ελέγχων υποθέσεων

ΚΕΦΑΛΑΙΟ II ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ 1. ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ ΚΑΤΑ ΕΝΑ ΚΡΙΤΗΡΙΟ 2. ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ ΚΑΤΑ ΔΥΟ ΚΡΙΤΗΡΙΑ

07_Έλεγχος_Συχνοτήτων. Γούργουλης Βασίλειος Καθηγητής Τ.Ε.Φ.Α.Α. Σ.Ε.Φ.Α.Α. Δ.Π.Θ.

ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά

Πινάκες συνάφειας. Βαρύτητα συμπτωμάτων. Φύλο Χαμηλή Υψηλή. Άνδρες. Γυναίκες

Κεφάλαιο 15 Έλεγχοι χ-τετράγωνο

5 o Μάθημα Έλεγχοι Υποθέσεων

cv = κατάλληλη κριτική (κρίσιμη) τιμή από τους πίνακες της Ζ ή t κατανομής

και τυπική απόκλιση σ = 40mg ανά μπανάνα. α) Ποια είναι η πιθανότητα μια μπανάνα να περιέχει i)

2. ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ

Προσοχή: Για κάθε λανθασµένη απάντηση δεν θα λαµβάνεται υπόψη µία σωστή

ΜΕΘΟΔΟΙ ΕΛΕΓΧΟΥ ΑΚΡΙΒΕΙΑΣ (ACCURACY)

ΕΡΓΑΣΤΗΡΙΟ ΣΤΑΤΙΣΤΙΚΗΣ

ΛΥΣΕΙΣ ΑΣΚΗΣΕΩΝ

Εξαρτημένα δείγματα (εξαρτημένες μετρήσεις)

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

Στατιστική Ι. Ενότητα 9: Κατανομή t-έλεγχος Υποθέσεων. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών

ΚΕΦΑΛΑΙΟ 3 ΜΕΛΕΤΗ ΑΠΟ ΟΣΗΣ ΚΑΙ ΕΠΙΤΥΧΙΑΣ ΗΜΕΡΗΣΙΩΝ ΗΜΟΣΙΩΝ ΚΑΙ Ι ΙΩΤΙΚΩΝ ΛΥΚΕΙΩΝ ΕΙΣΑΓΩΓΗ

Α Ν Ω Τ Α Τ Ο Σ Υ Μ Β Ο Υ Λ Ι Ο Ε Π Ι Λ Ο Γ Η Σ Π Ρ Ο Σ Ω Π Ι Κ Ο Υ Ε Ρ Ω Τ Η Μ Α Τ Ο Λ Ο Γ Ι Ο

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

Ανάλυση διακύμανσης (Μονοδιάστατη) One-Way ANOVA

ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά

Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 22 Μαΐου /32

Στατιστικοί έλεγχοι για διακριτά δεδομένα

Στατιστικοί Έλεγχοι Υποθέσεων. Σαλαντή Γεωργία Εργαστήριο Υγιεινής και Επιδημιολογίας Ιατρική Σχολή

6 ο ΜΑΘΗΜΑ Έλεγχοι Υποθέσεων

Διαστήματα Εμπιστοσύνης και Στατιστικοί Έλεγχοι Υποθέσεων Προβλήματα και Ασκήσεις

Έλεγχοι Χ 2 (Μέρος 1 ο ) 28/4/2017

Στατιστική Ι. Ενότητα 2: Στατιστική Ι (2/4) Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Κοζάνη)

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ

Έλεγχος Χ 2 (καλής προσαρμογής, ανεξαρτησίας και ομογένειας) Προβλήματα και Ασκήσεις

ΣΤΟΧΟΙ ΤΗΣ ΕΝΟΤΗΤΑΣ ΒΑΣΙΚΑ ΣΤΟΙΧΕΙΑ ΜΗ ΠΑΡΑΜΕΤΡΙΚΩΝ ΕΛΕΓΧΩΝ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

Ενότητα 3. Έλεγχος υπόθεσης. Σύγκριση μέσων τιμών

Γ. Πειραματισμός Βιομετρία

Στατιστική: Δειγματοληψία X συλλογή δεδομένων. Περιγραφική στατιστική V πίνακες, γραφήματα, συνοπτικά μέτρα

09_Μη παραμετρικοί έλεγχοι υποθέσεων. Γούργουλης Βασίλειος Καθηγητής Τ.Ε.Φ.Α.Α. Σ.Ε.Φ.Α.Α. Δ.Π.Θ.

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

Ενότητα 3: Ανάλυση Διακύμανσης κατά ένα παράγοντα One-Way ANOVA

ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά

Ανάλυση διακύμανσης (Μέρος 1 ο ) 17/3/2017

ΚΕΦΑΛΑΙΟ 0. Απλή Γραμμική Παλινδρόμηση. Ένα Πρόβλημα. Η επιδιωκόμενη ιδιότητα. Ένα χρήσιμο γράφημα. Οι υπολογισμοί. Η μέθοδος ελαχίστων τετραγώνων ...

Στατιστική Ι. Ενότητα 1: Στατιστική Ι (1/4) Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Κοζάνη)

Ζήτηµα 2. Κατεύθυνση µεταβολής γονιµότητας. Πειραµατικός Αγρός. Επεµβάσεις: Α1Β1:1, Α1Β2:2, Α1Β3:3, Α2Β1:4, Α2Β2:5 και Α2Β3:6

ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ

Μέτρα θέσης και διασποράς

Ανάλυση Διασποράς Ανάλυση Διασποράς διακύμανση κατά παράγοντες διακύμανση σφάλματος Παράδειγμα 1: Ισομεγέθη δείγματα

Γραπτή Εξέταση Περιόδου Φεβρουαρίου 2013 στη Στατιστική

Μεθοδολογία των επιστημών του Ανθρώπου : Στατιστική Εργαστήριο 6 :

ΕΠΑΝΑΛΗΠΤΙΚΟ ΒΙΝΤΕΟ ΣΤΑΤΙΣΤΙΚΗ

Έλεγχος υποθέσεων Ι z-test & t-test

Ιατρικά Μαθηματικά & Βιοστατιστική

ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ

ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά

Μεθοδολογία των Επιστημών του Ανθρώπου: Στατιστική

α) t-test µε ίσες διακυµάνσεις β) ανάλυση διακύµανσης µε έναν παράγοντα Έλεγχος t δύο δειγμάτων με υποτιθέμενες ίσες διακυμάνσεις

Μεθοδολογία των Επιστημών του Ανθρώπου: Στατιστική

ΣΑΣΙΣΙΚΗ. Ακαδ. Έτος Βασίλης ΚΟΤΣΡΑ. Διδάσκων: Διδάσκων επί Συμβάσει Π.Δ 407/80.

Ανάλυση διακύμανσης (Μέρος 3 ο ) 7/4/2017

Μεθοδολογία των Επιστημών του Ανθρώπου: Στατιστική

ΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ. Γρηγόρης Χλουβεράκης, Ph.D. Αναπληρωτής Καθηγητής Πανεπιστήμιο Κρήτης

Ανάλυση Διασποράς Προβλήματα και Ασκήσεις

10.7 Λυμένες Ασκήσεις για Διαστήματα Εμπιστοσύνης

Ανάλυση Διακύμανσης με ένα Παράγοντα (One Way ANOVA)

Μονοπαραγοντική Ανάλυση Διακύμανσης Ανεξάρτητων Δειγμάτων

Σύγκριση μέσου όρου πληθυσμού με τιμή ελέγχου. One-Sample t-test

Ερωτήσεις κατανόησης

ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ ΚΑΤΑ ΔΥΟ ΚΡΙΤΗΡΙΑ

Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 2 Μαΐου /23

ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά

Έλεγχος υποθέσεων ΚΛΑΣΙΚΟΙ ΈΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ. Ημέσητιμήενόςπληθυσμούείναιίσημε δοθείσα γνωστή τιμή. Έλεγχος για τις μέσες τιμές δύο πληθυσμών.

ΣΧ0ΛΗ ΤΕΧΝ0Λ0ΓΙΑΣ ΤΡΟΦΙΜΩΝ & ΔΙΑΤΡΟΦΗΣ ΤΜΗΜΑ ΤΕΧΝΟΛΟΓΙΑΣ ΤΡΟΦΙΜΩΝ ΕΡΓΑΣΤΗΡΙΟ: ΟΡΓΑΝΟΛΗΠΤΙΚΟΥ ΕΛΕΓΧΟΥ ΓΙΑΝΝΑΚΟΥΡΟΥ ΜΑΡΙΑ ΤΑΛΕΛΛΗ ΑΙΚΑΤΕΡΙΝΗ

Ανάλυση ποσοτικών δεδομένων. ΕΡΓΑΣΤΗΡΙΟ 2 ΔΙΟΙΚΗΣΗ & ΚΟΙΝΩΝΙΚΟΣ ΣΧΕΔΙΑΣΜΟΣ ΣΤΗΝ ΤΟΞΙΚΟΕΞΆΡΤΗΣΗ Dr. Ρέμος Αρμάος

3. Κατανομές πιθανότητας

2.5 ΕΛΕΓΧΟΣ ΠΟΣΟΣΤΙΑΙΩΝ ΣΗΜΕΙΩΝ ΜΙΑΣ ΚΑΤΑΝΟΜΗΣ (The Quantile Test)

ΤΕΙ Αθήνας Μεθοδολογία της έρευνας και Ιατρική στατιστική

Στατιστικοί Ελεγχοι. t - Έλεγχος για τον μέσο μ ενός πληθυσμού. t-έλεγχος για την σύγκριση των μέσων δύο πληθυσμών

ΜΕΘΟΔΟΛΟΓΙΑ ΕΡΕΥΝΑΣ. Δημήτρης Ιωαννίδης. Τμήμα Οικονομικών Επιστημών.

Το υπουργείο μας. Ατυχήματα - πρώτες βοήθειες στο σχολείο

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ ΚΕΦΑΛΑΙΟ 9. Κατανομές Δειγματοληψίας

Transcript:

Έστω, ότι ένα δείγμα ελέγχου χρησιμοποιήθηκε σε ένα πείραμα ελέγχου ποιότητας μιας μεθόδου για 30 συνεχόμενες ημέρες. Η θεωρητική (ισχυριζόμενη) συγκέντρωση της γλυκόζης στο δείγμα αυτό είναι 0 mg/l. Ο πειραματικός μέσος είναι 0 mg/l και η τυπική απόκλιση 5 mg/l. Είναι η μέση τιμή των δεδομένων σημαντικά διαφορετική από την θεωρητική τιμή; H 0 : H : y y μ y s μ μ 0 0 5 t y μ 0 s / n -.9 Ο πίνακας της κατανομής "t" για β.ε. 9 και a/0.05 δίνει κρίσιμο t.045. Άρα η μέση τιμή των μετρήσεων της γλυκόζης είναι σημαντικά διαφορετική από την θεωρητική.

x A 74 από 50 ασθενείς που πήραν το φάρμακο Α βελτίωσαν την κατάστασή τους. x B 9 από 50 ασθενείς που πήραν το φάρμακο Β βελτίωσαν την κατάστασή τους. i) Μπορούμε να δεχθούμε ότι και τα δύο φάρμακα έχουν την ίδια αποτελεσματικότητα; (a0.05) ii) Δώστε ένα 98% δ.ε. για τη διαφορά του αποτελέσματος των φαρμάκων. H 0 : A B H : A <> B A x A /n 74/50 0,96 B x B /n 9/50 0,368 AB (x A +x B )/(n+m) (74+9)/500 0,33 z -.709 Για a0.05 Z a/,96 Επειδή z < Z a/ μπορούμε να δεχθούμε ότι τα δύο φάρμακα έχουν την ίδια αποτελεσματικότητα Το διάστημα εμπιστοσύνης 98% (a/0,0) για τη διαφορά θα είναι (Z a/.33) : A - B +/- Z a/ *sqrt[ A (- A )/50+ B (- B )/50)] (-0,7, 0,06) Το ερώτημα μπορεί να απαντηθεί και με την δοκιμασία χ Παρατηρούμενες Θεωρητικές Φάρμακο Βελτίωση Μη Βελτ. Σύνολο Φάρμακο Βελτίωση Μη Βελτ. Σύνολο Α 74 76 50 Α 83 67 50 Β 9 58 50 Β 83 67 50 Σύνολο 66 334 500 Σύνολο 66 334 500 χ.9 με β.ε και a0.05 το κρίσιμο χ 3.84 Αρα αποδεχόμαστε ότι τα δύο φάρμακα είναι το ίδιο αποτελεσματικά

Από 50 ασθενείς, στους n80 δώσαμε χάπι με ζάχαρη και στους m70 δώσαμε ασπιρίνες. Μετά από μια εβδομάδα βρέθηκε ότι βελτιώθηκε η υγεία x48 ασθενών που πήραν χάπι ζάχαρης και y56 που πήραν ασπιρίνη. (i) Μπορούμε να δεχθούμε ότι η θεραπεία με ασπιρίνες είναι προτιμότερη σε σ.σ. 0.05; (ii) Να δοθεί δ.ε. 95% για τη διαφορά των ποσοστών, ( ποσοστό ασθενών που βελτιώθηκε η υγεία τους με χάπι ζάχαρης, ποσοστό ασθενών που βελτιώθηκε η υγεία τους με ασπιρίνη). Ζάχαρη Ασπιρίνη x/n 0.60 y/m 0.80 Η κοινή αναλογία των επιτυχιών είναι (x+y)/(n+m) 0.693 (i) H 0 : H : < Αφού τα δείγματα είναι μεγάλα το στατιστικό που θα χρησιμοποιήσουμε είναι το Z. Έτσι: z ( )( + ) n m -.65 Για a0.05 Φ0.45 άρα z c.645. Επειδή z<-z c, συμπεραίνουμε ότι δεχόμαστε την H. (ii) Το δ.ε. για την διαφορά - θα δίνεται από τον τύπο: ± z a / ) + n ( m ( ) Για a/0.05 έχουμε Φ0.475 άρα za/.96. με ( ) ( ) + n m 0.07703 έχουμε: -0.343 < - <-0.058

Δύο δίαιτες Α,Β εφαρμόσθηκαν σε δύο σειρές ποντικών επί μια εβδομάδα. Υποθέτοντας ότι η αύξηση του βάρους τους ακολουθεί την κανονική κατανομή (i) να εξετασθεί αν σ Aσ B για α0.0, (ii) να δοθεί 95% δ.ε. για τη διαφορά μ Α -μ Β A B meana 76. Αύξ. Βάρ. [gr] Αύξ. Βάρ. [gr] s A 4.65 78. 79. n A 7 7.4 8.0 meanb 79. 76. 77.3 s B.5 74.3 79. n B 9 77.4 80.0 78.4 79. Η 0 : σ Α /σ Β 76.0 79. 77.3 Η : σ Α /σ Β <> 80. s A /s B 3.08 ν Α 6, ν Β 8 F να,νβ;a/ 4.5 Άρα μπορούμε να δεχθούμε ότι οι διασπορές δεν διαφέρουν Η 0 : μ Α -μ Β 0 Η : μ Α -μ Β <>0 t 6-;0,05.45 sσταθμ. Διακ. s t ( n ( X Y ) ( μ μ ) s )s + ( n )s n + n + n n -3.53.83 t > t 6-;0,05 οι μέσοι διαφέρουν σημαντικά

Σε αυτοκίνητα τεσσάρων διαφορετικών τύπων (Α,Β,Γ,Δ) βάλαμε 0 lt βενζίνης. Η απόσταση σε km που διανύθηκε από κάθε αυτοκίνητο ήταν: Απόσταση σε km Α Β Γ Δ 7 84 9 80 80 88 04 76 88 04 04 84 Με την προϋπόθεση ότι ισχύουν οι βασικές υποθέσεις της α.δ., μπορούμε να συμπεράνουμε ότι η κατανάλωση είναι ίδια σε όλα τα αυτοκίνητα; 80.00 9.00 00.00 80.00 Total mean 88.00 8.00 4.00 96.00 3.00 s s α H 0 : Η κατανάλωση είναι ίδια σε όλα τα αυτοκίνητα H 0 : Η κατανάλωση δεν είναι ίδια σε όλα τα αυτοκίνητα α ni ( xi x) sυ ( n i κ 864.00 MS μεταξύ 88.00 κ ) s i s υ 480.00 MS εντός 60.00 F τετράγωνα μεταξύ ομάδων τετράγωνα εντός ομάδων s s α υ /( κ ) /( n κ ) 4.8 F 3,8;0.05 4.07 F > F 3,8;0.05 άρα η Η 0 απορρίπτεται

Το ποσοστό των αιφνιδίων βρεφικών θανάτων (SIDS) ανέρχεται παγκοσμίως σε 4.4 σε.000 γεννήσεις. Στην πρωτεύσουσα της Τασμανίας Hobart μεταξύ 975 και 980 εμφανίσθηκαν 4 SIDS σε 3.939 γεννήσεις. Είναι αυτή η συχνότητα υψηλότερη από τη μέση παγκοσμίως εμφανιζόμενη για a0.05; H 0 : Η συχνότητα εμφάνισης SIDS στην Τασμανία δεν διαφέρει από αυτήν παγκοσμίως H 0 : Η συχνότητα εμφάνισης SIDS στην Τασμανία διαφέρει από αυτήν παγκοσμίως 4/3.939 0.006 n(-) 3.939*0,006*(-0,006) 3.9 0 0.0044 Δηλ. ακολουθείται η κανονική κατανομή z 0 0 ( 0 ) / n.603 < z 0.95.645 Άρα αποδεχόμαστε, ότι η συχνότητα εμφάνισης SIDS στην πόλη αυτή δεν ξεπερνά τον παγκόσμιο μέσο όρο.

Σε 346 αυτοκινητιστικά δυστυχήματα με αυτοκίνητα διαφόρων μεγεθών (μικρό, μεσαίο, μεγάλο) έγιναν θανατηφόρα και μη ατυχήματα σύμφωνα με τον πίνακα που ακολουθεί. Μπορούμε να συμπεράνουμε ότι το είδος του ατυχήματος έχει σχέση με το μέγεθος του αυτοκινήτου; (a0.05) Πίνακας συνάφειας Μικρό αυτ. Μεσαίο αυτ. Μεγάλο αυτ. Σύνολο Θανατηφόρα 67 6 6 09 Μη Θανατηφόρα 8 63 46 37 Σύνολο 95 89 6 346 H 0 : H : Το είδος του ατυχήματος ανεξάρτητο από το μέγεθος του αυτοκινήτου Το είδος του ατυχήματος εξαρτάται από το μέγεθος του αυτοκινήτου Δοκιμασία "χ " ως test ανεξαρτησίας Οι αναμενόμενες τιμές υπολογίζονται από τα αντίστοιχα επιμέρους σύνολα. e 6.43 e 8.04 e3 9.53 e 33.57 e 60.96 e3 4.47 X (o-e) /e+(o-e) /e+(o-e) /e+(o-e) /e+(o3-e3) /e3+(o3-e3) /e3 X.885 β.ε. a 0.05 X ;0,05 5.99 Άρα απορρίπτουμε την μηδενική υπόθεση

Συγκρίνουμε την επιτυχία μιας νέας χειρουργικής τεχνικής () με αυτήν της συνηθισμένης (). Σε διάστημα ετών μετά τις εγχειρίσεις με την νέα τεχνική πέθαναν 4 και επέζησαν 6 ασθενείς, ενώ με την συνηθισμένη τεχνική πέθαναν 64 και επέζησαν 80. Αν οι τεχνικές και έχουν τον ίδιο βαθμό επιτυχίας, τότε οι αναλογίες των ασθενών που επέζησαν θα είναι ίδιες. Να γίνει έλεγχος αυτής της υπόθεσης. H 0 : Οι τεχνικές έχουν τον ίδιο βαθμό επιτυχίας H : Οι τεχνικές δεν έχουν τον ίδιο βαθμό επιτυχίας Τεχν. Εγχείρ. Πέθαναν Επέζησαν Σύνολο 4 6 57 64 80 44 Σύνολο 05 396 50 o 4 o 6 o 64 o 80 e 53.86 e 03.4 e 5.4 e 9.86 X (4-53.86) /53.86+(6-03.4) /03.4+(64-5.4) /5.4+(80-9.86) /9.86 7.978 Για a0.05 και β.ε., x,a 3.84 Άρα απορρίπτουμε την μηδενική υπόθεση

Σε 4 ομάδες ασθενών με συγκεκριμένους πόνους δόθηκε δόση αναλγητικού και τα αποτελέσματα κατηγοριοποιήθηκαν στον πίνακα που ακολουθεί. Έχουν τα φάρμακα το ίδιο ποσοστό επιτυχίας; H 0 : Τα αναλγητικά δεν διαφέρουν ως προς την αποτελεσματικότητά τους H : Τα αναλγητικά διαφέρουν ως προς την αποτελεσματικότητά τους Κατηγορία "j" Ομάδα "i" Λίγη Μέτρια Καλή Πολύ καλή Σύνολο Ισχ. Δ. Ibu 4 5 5 5 86 Ασθ. Δ. Ibu 6 0 7 6 94 Asirin 5 5 47 88 Placebo 8 0 37 3 97 Σύνολο 33 36 04 9 365 e 7.775 e 8.48 e 3 4.504 e 4 45.38 e 8.499 e 9.7 e 3 6.784 e 4 49.447 e 3 7.956 e 3 8.679 e 33 5.074 e 34 46.90 e 4 8.770 e 4 9.567 e 43 7.638 e 44 5.05 β.ε. (4-)x(4-) 9 X 33.08 > χ 0.95 6.9 Άρα απορρίπτουμε την H 0